Preciso montar um departamento focado em IA ou jurimetria no meu escritório, e agora?

Ao longo dos últimos anos, com o crescimento de discussões sobre inteligência artificial [1] e jurimetria [2] nos círculos jurídicos, diversos escritórios e departamentos jurídicos passaram a tentar desenvolver iniciativas internas com o objetivo de trazer para dentro de suas equipes essas novas tecnologias, seja por meio da contratação de softwares, da aquisição de ferramentas de automação ou da criação de projetos-piloto com modelos de linguagem e soluções “inteligentes”.

Esse movimento, em muitos casos, parte de uma percepção correta: a de que o Direito, cada vez mais pressionado por volume, complexidade e competitividade, já não pode se apoiar exclusivamente em intuição e tradição. No entanto, apesar de serem calcadas em boas intenções, muitas vezes tais projetos acabam resultando em implementações apressadas e pouco estruturadas.

Nesse cenário, a experiência prática de construir essas estruturas acaba, por muitas vezes, tendo algo de cruel e pedagógico ao mesmo tempo. Cruel, ao desmontar rapidamente a ideia de que basta “ter vontade”, contratar um profissional de TI e assinar uma ferramenta para que a organização se torne moderna. Pedagógica, ao revelar que os principais entraves à inovação jurídica raramente são apenas tecnológicos:  normalmente também são institucionais. Falta diagnóstico, falta governança de dados, falta coordenação interdisciplinar e, sobretudo, falta capacidade de traduzir dores jurídicas em problemas concretos e operacionalizáveis.

Diante do cenário acima apresentado escrevo esse texto com o intuito de compartilhar alguns aprendizados recorrentes de quem já teve a oportunidade de participar diretamente de projetos relevantes de análise e estruturação de dados, além de montagem e coordenação de equipes voltadas à jurimetria e desenvolvimento de aplicações de IA no contexto de uma grande instituição jurídica.

Ressalto que o objetivo aqui não é criar uma fórmula ou dogma a ser seguido, mas sim de buscar ajudar outras pessoas a reduzirem o custo do improviso e da ausência de experiência. Porque, no fim, se há algo que a prática ensina, é que o hype não substitui método e, em temas quentes como IA, a ausência de método costuma cobrar caro.

Diagnóstico como pré-requisito: antes do projeto, o problema

A primeira armadilha que se observa em instituições jurídicas que desejam “entrar no mundo da IA/jurimetria” é a inversão de lógica: começa-se pelo projeto antes de se entender o problema. Decide-se criar um dashboard, automatizar relatórios, implementar um chatbot jurídico ou construir um modelo preditivo, sem que haja clareza real sobre qual dor concreta se busca resolver.

Em geral, esse impulso nasce de uma pressão compreensível: o tema está na moda, concorrentes estão divulgando soluções, gestores são cobrados por inovação e os gestores/sócios passam a operar sob o temor de ficar para trás. O resultado é um fenômeno comum na indústria de software, mas ainda pouco compreendido no Direito: a construção de uma solução em busca de um problema.

Quando isso ocorre, o projeto pode até ser tecnicamente bem executado, mas institucionalmente inútil. Ele vira um produto bonito, uma vitrine interna, um item de apresentação para eventos, mas que, no fim do dia, é uma estrutura (ou contrato) cara que não altera o funcionamento real da organização.

Por isso, o primeiro passo, quase sempre negligenciado, é o mais importante: mapear e delimitar os problemas. Quais fluxos geram mais custo? Onde está a maior perda de tempo? Qual tipo de demanda se repete? Quais decisões geram maior impacto financeiro? Onde estão os gargalos de gestão do contencioso? Etc;

A resposta não pode ser abstrata. “Queremos ser mais eficientes” não é um problema. “Queremos usar IA para melhorar a atuação” tampouco. Problemas reais precisam ser delimitados de forma concreta, mensurável e localizada. A organização deve ser capaz de apontar com clareza: o que dói, onde dói, quanto custa e por que isso importa.

Só depois disso faz sentido desenhar projetos, pensar em contratos ou ferramentas.

Insumos: pessoas, dados, processos e o fator maturidade

Delimitado o problema, surge o segundo ponto: quais são os insumos necessários para resolver o problema identificado?

Nesse momento é comum ver sócios ou gestores acreditarem que um projeto de jurimetria ou IA é, essencialmente, uma questão de contratar um analista de dados ou comprar o novo aplicativo de IA disponível no mercado. Na prática, trata-se de algo mais profundo: é uma reestruturação da forma como a organização produz, registra, consome e interpreta informação.

A maturidade, aqui, não deve ser entendida como “ter cultura de inovação”, expressão muitas vezes usada de forma vazia. Trata-se de algo mais concreto: uma instituição é madura quando seus dados são rastreáveis, estruturados, confiáveis e acessíveis; quando há clareza sobre quem é responsável pela base de dados (que não se confunde com uma planilha Excel como se verá adiante); quando há recursos de armazenamento e processamento; e quando existe disposição política para lidar com os efeitos colaterais de qualquer projeto orientado por evidências.

Isso porque jurimetria e IA não são apenas ferramentas de eficiência. Elas são, inevitavelmente, mecanismos de visibilização. Elas revelam gargalos, expõem incoerências internas, evidenciam desperdícios, mostram assimetrias e colocam decisões gerenciais sob escrutínio. E nem toda organização está preparada para lidar com esse nível de transparência.

Ignorar esse ponto costuma ser fatal: projetos fracassam não por falta de tecnologia, mas porque o ambiente institucional rejeita as consequências do que a tecnologia revela [3]

Dados: ter uma pasta de PDFs ou um Excel de acompanhamento de processos não é ter dados

Se há um erro conceitual que se repete com insistência no Direito, ele pode ser resumido em uma frase: confundir “ter informação” com “ter dados”.

Em muitos ambientes jurídicos, quando se fala em dados, a imagem mental imediata é uma pasta cheia de PDFs, planilhas soltas, relatórios em Word e e-mails arquivados. Esse material pode ser valioso como memória documental, mas ele não constitui, por si só, um ativo de dados operacionalizável.

Em projetos de jurimetria e IA, “ter dados” significa algo diferente: significa possuir bases estruturadas, integráveis, versionadas e consumíveis por sistemas [4]. Significa ter tabelas com campos consistentes, APIs de acesso, identificadores unificados, trilhas de auditoria, rotinas de atualização e padrões mínimos de governança.

Isso nos leva a um conceito que deveria ser trivial, mas ainda é estranho ao vocabulário jurídico: pipeline de dados.

Um pipeline, em linguagem simples, é o fluxo organizado pelo qual dados são coletados de uma fonte (por exemplo, um tribunal ou um sistema interno), processados (limpos, padronizados, corrigidos), armazenados (em um banco de dados) e disponibilizados para consumo por aplicações, relatórios ou modelos de IA. Trata-se de uma cadeia de etapas interdependentes: se uma delas falha, o sistema inteiro se paralisa.

A analogia processual é útil: um pipeline de dados funciona como um fluxo processual. Assim como um processo depende de petição inicial, distribuição, autuação, saneamento, instrução e decisão, um pipeline depende de coleta, transformação, armazenamento e disponibilização. Se há um gargalo no meio (por exemplo, dados incompletos ou formatos incompatíveis) nada adiante será confiável.

É nesse ponto que muitos projetos morrem. A instituição acredita que tem dados, mas descobre que tem apenas massa documental desestruturada. Ou descobre que seus sistemas não conversam entre si. Ou descobre que cada área registra informações em formatos distintos. Ou ainda que as bases existentes não têm consistência histórica, tornando impossível construir séries temporais confiáveis.

E, nesse momento, o entusiasmo inicial costuma se converter em frustração: “jurimetria não funciona”, “IA não entrega”, “isso é caro demais”. O problema, no entanto, não era a jurimetria nem a IA. Era o diagnóstico equivocado sobre o que se possuía de fato.

Antes de qualquer projeto ambicioso, portanto, é necessário fazer uma auto análise honesta: quais são as fontes de dados que temos? Em que formato estão esses dados? Existe padronização? Há metadados? Há duplicidade? Como se dá o consumo atual? Existe histórico? Existe integridade? Existe governança?

Sem isso, qualquer promessa de automação ou de aumento de eficiência mágico será apenas retórica.

Equipe: uma equipe de dados, IA, jurimetria não se faz com um ‘rapaz de TI’

Há uma crença persistente no meio jurídico de que tecnologia é uma habilidade genérica: basta contratar alguém “que mexe com computador” e os problemas de inovação estarão resolvidos. Essa ideia é, ao mesmo tempo, injusta com profissionais técnicos e perigosa para organizações jurídicas.

Jurimetria e IA são campos essencialmente interdisciplinares. Não há como avançar sem estatística, ciência de dados, engenharia de software, arquitetura de dados, segurança da informação e governança. Não se trata de contratar “um profissional de TI”, mas de compreender que existem diferentes funções, diferentes especialidades e diferentes níveis de senioridade necessários conforme o estágio do projeto.

Se a instituição não tem dados estruturados, por exemplo, ela não precisa, inicialmente, de um cientista de dados brilhante. Ela precisa de alguém capaz de estruturar bases, construir pipelines, limpar e padronizar informação. Em outras palavras: antes de IA, muitas instituições precisam de engenharia de dados.

Da mesma forma, se o objetivo é desenvolver aplicações internas, integrar sistemas e colocar produtos em produção, não basta um analista que faça gráficos em Python. É necessário desenvolvimento de software. E, sem isso, o projeto se limita a protótipos eternos, que não alteram o fluxo real de trabalho.

Além disso, há um problema adicional: o mercado de IA e dados é volátil e competitivo. Profissionais qualificados são disputados por big techs, startups e empresas internacionais. Isso significa que a instituição jurídica que deseja construir uma equipe precisa entender não apenas como contratar, mas como reter. E retenção, nesse mercado, não se faz apenas com salário: se faz com projeto interessante, ambiente minimamente estruturado e clareza de propósito.

Nenhum profissional técnico competente permanece por muito tempo em um ambiente onde não há dados, não há infraestrutura e não há liderança capaz de entender minimamente o que ele faz.

Coordenador como tradutor institucional

Nesse contexto, surge um ponto central: o perfil do coordenador.

Uma equipe de jurimetria e IA não pode ser coordenada por alguém que apenas entende Direito, tampouco por alguém que apenas entende tecnologia. O coordenador precisa funcionar como um tradutor institucional, capaz de operar em dois mundos ao mesmo tempo.

De um lado, ele deve ser capaz de dialogar com a alta gestão, compreender o negócio jurídico, identificar o que gera valor e transformar demandas abstratas em projetos concretos. Em um escritório, isso significa entender a dinâmica do contencioso, o modelo de faturamento, as áreas estratégicas e os gargalos internos. Em uma instituição pública, significa compreender o impacto orçamentário, os riscos institucionais e a lógica de alocação de recursos.

De outro lado, e talvez mais importante, ele precisa ser capaz de coordenar equipes técnicas. Isso exige compreender o mínimo necessário para formular tarefas, entender dúvidas, avaliar riscos e não se iludir com promessas vazias. Não é preciso que o coordenador seja um programador, mas é indispensável que ele entenda o suficiente para não se tornar refém de linguagem técnica incompreensível.

A coordenação também envolve gestão de projetos: jurimetria e IA não avançam sem metodologia, sem priorização, sem definição de escopo, sem iteração e sem controle de entregas. Métodos ágeis, quando bem aplicados, não são moda corporativa: são uma tentativa de lidar com a incerteza e com o fato de que projetos de dados raramente são lineares.

Difícil, mas inevitável

Ao final, o que a experiência mostra é algo simples: estruturar equipes e projetos de jurimetria e IA no Direito é difícil, custoso e cheio de obstáculos. Mesmo com diagnóstico correto, dados estruturados, infraestrutura mínima e equipe qualificada, projetos podem falhar, seja por resistência cultural, por mudanças de gestão, por cortes orçamentários ou por expectativas irreais criadas pelo próprio hype.

Mas há uma conclusão que se impõe: apesar das dificuldades, esse caminho é inescapável.

Instituições jurídicas que não desenvolverem capacidade interna de lidar com dados e tecnologia estarão, em pouco tempo, condenadas a operar com desvantagem competitiva e institucional. Não apenas porque outras organizações se tornarão mais eficientes, mas porque a própria lógica decisória tende a se tornar cada vez mais orientada por evidências, previsibilidade e automação.

A pergunta relevante já não é se o Direito deve ou não dialogar com IA, jurimetria e novas tecnologias. A pergunta é se ele fará isso com seriedade ou se continuará produzindo discursos genéricos, construindo projetos de vitrine e confundindo inovação com retórica.

Se quisermos evitar que a tecnologia seja apenas mais uma palavra capturada pelo vocabulário jurídico sem transformação real, precisamos admitir o óbvio: jurimetria e IA não são modismos. São estruturas de trabalho. E estruturas de trabalho exigem método.

[1] ROCHA, Igor Moraes. Inteligência artificial, metáforas jurídicas e o risco da ignorância técnica. 2025. Disponível aqui.

[2] ROCHA, I. M. JURIMETRIA NO BRASIL E O ESTUDO DA QUALIDADE DOS DADOS COMO O “PRÓXIMO PASSO ADIANTE”. Revista da Faculdade de Direito de São Bernardo do Campo, [S. l.], v. 29, n. 2, 2023.

[3] Por exemplo, a descoberta de que uma área considerada “produtiva” ser, em verdade, improdutiva, descobrir que uma tese “vencedora” na verdade não é tão vencedora assim, etc

[4] Caso esses termos lhe pareçam alienígenas, fique atento aos meus textos pois, pouco a pouco, pretendo falar sobre cada um deles